Converting Map to Vector Forms
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 20/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Área
- autonomous-driving
Línea de trabajo
El issue no menciona archivos, pruebas ni puntos de entrada. Empieza inspeccionando cómo se representan los mapas enmascarados en este repositorio y si existe alguna utilidad de procesamiento de mapas; el trabajo estaría terminado cuando haya una conversión documentada o implementada a features de HD-map vectorizadas adecuadas para métodos de predicción de movimiento como TNT o VectorNet.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Hi, Thank you for your wonderful dataset!
In short, I am wondering how we may convert the masked map into the form of vector maps? The vector maps here mean the HD-Maps in Waymo and Argoverse, which are used in SOTA methods like TNT[1].
The background of my question is that: I am trying to explore some motion prediction algorithms on the basis of Lyft perception dataset. (As the perception dataset has exhaustive bounding box annotations, which the motion prediction dataset does not have). Converting the HD-Map into the vectorized forms is necessary to using the SOTA algorithms such as TNT[1], VectorNet[2].
Thank you for your help!
[1] TNT: Target-driveN Trajectory Prediction
[2] VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 390
- Forks
- 99
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de lyft/nuscenes-devkit
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 20/100
lyft/nuscenes-devkit#106 ·
-
invalid download linkAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 20/100
lyft/nuscenes-devkit#105 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 25/100
lyft/nuscenes-devkit#104 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 25/100
lyft/nuscenes-devkit#103 · 2 comentarios ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 48/100
lyft/nuscenes-devkit#99 ·
Todos los issues de lyft/nuscenes-devkit
Issues similares
-
fix(blind_spot): ego passage interval is reversed on right turns, so the module never stops for a cyclist on the insidePosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
autowarefoundation/autoware_universe#13509 · 2 comentarios ·
Los mantenedores suelen responder en 1 día
-
Fix the pure-pursuit parameter-file path in the global-planner launchPosiblemente ocupada @yjhuang831 la tomó hace 18 días. Abiertoarea:runtime good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
WATonomous/wato_f1tenth#39 · 1 asignado ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Thinklab-SJTU/Bench2Drive#235 ·
-
Verify evals on Papers with CodeAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
QwenLM/Qwen-Drive-1.0#7 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
autowarefoundation/vision_pilot#412 · 3 comentarios ·
Los mantenedores suelen responder en 1 día